基于CEEMD的重大事件对香港住宅价格影响的实证分析

应用互补集成经验模态分解（CEEMD）方法对香港1997―2018年的住宅价格月度数据进行了分解，将经过重构后的数据分成高频序列、低频序列与残差项。将BP多断点检测应用于低频序列，并结合样本时段内的重大事件进行实证分析。结果表明：1997年亚洲金融风暴对房价的影响大于2008年金融危机；外部经济体的救市政策间接地影响香港房价；在经济不景气的大环境下“孙九招”政策没有立即见效；资本投资者入境计划、住房供给调整与按揭贷款调整对房价的影响较为显著；税收调整对房价影响不显著、对交易量影响显著；SARS爆发使住宅价格下降约1%。     

不确定理论下期权的保险精算定价

在标的资产价格服从推广的几何刘过程的假设下,利用保险精算方法对欧式期权进行了定价,所得结果满足看涨看跌期权价格之间的平价关系,推广了以前的结果.文章考虑到了市场的不完备性及样本缺少的问题,保险精算和不确定理论弥补了这些不足,可广泛的应用于金融市场的期权定价.     

基于面板模型的商品房价格影响因素的实证研究

选取了我国30个省市2006~2015年的面板数据,应用面板数据计量模型回归的方法,基于R语言对影响商品房价格的因素进行实证研究.首先,经过Hausman检验与F检验确定面板数据的模型为混合估计模型;模型可以通过十折交叉验证法、残差正太性的检验、Q-Q图检验、变量间共线性的检验;最后经过逐步回归分析,结果表明土地价格、商品房销售面积、居民可支配收入、人均国内总产值财政收入占地区生产总值比重、汇率这6个指标对商品房价格都有显著性的影响.其中,土地价格和居民可支配收入对商品房价格的影响最为突出.     

管理会计应用五维解码

自2012年5月以来，煤炭价格持续下跌，整个行业的黄金十年已经终结，行业的低迷形势使企业发展受限。作为我国煤炭建设行业领军企业，中煤建设集团有限公司（以下简称中煤建设集团）亦难逃困境。     

打折被批评

正今天是星期天,可是爸爸妈妈都要加班,所以他们让我到姑姑的店里去玩。姑姑在商场里开了一家服装店。爸爸和我还没到店里,就看到门口已经大大地写着"春装上市,八折促销",而且还挂着许多红红的广告,看起来很喜庆。奇怪的是店门却关着,大概姑姑在休息吧。我说:"姑姑真是个急性子,这么早就想过年了。"爸爸却说:"不是你姑姑急性子,是所有的商家都对节日急性子,     

我国五年期国债期货合约价格发现效率的实证研究

梳理了期货市场价格发现效率研究方法的发展历程,并从价格发现功能的存在性和价格发现的贡献度两个方面对我国五年期国债期货市场的价格发现效率进行了实证分析.结果显示,我国五年期国债期货市场已经具备了价格发现能力,并且MIS模型测度的价格发现贡献度达到98.27%,远远超过现货市场.结果表明,当前我国国债期货市场已经具备了较高的价格发现效率,在市场信息传递中发挥了重要作用,合约的设计基本实现了利率市场价格发现的功能.     

欧盟碳价波动的结构突变特性检验

选取EU ETS第二阶段碳排放权配额EUA和核证减排量CER的现货和期货价格,运用递归OLS残差检验和CUSUM平方检验考察了欧盟碳价的动态变化路径,发现碳价序列具有明显的结构突变特征;进一步利用Bai-Perron方法检验了碳价发生结构突变的次数和时点,发现碳价在样本期内发生了两次结构突变,美国"次贷危机"、欧债危机和碳排放权配额过量是导致碳价发生结构突变的最主要原因。研究结果对我国构建碳金融体系、相关企业参与碳金融交易,以及相关部门监管碳交易市场,具有重要的启示作用。     

基于RS-BPNN模型对商品房价格的预测研究

为了克服传统预测方法的不足,采用RS-BPNN模型预测商品房价格.利用粗糙集理论确定影响商品房价格的主要因素,运用具有超强数据处理能力的BP神经网络,根据筛选的主要因素作为输入节点数,构建商品房价格的预测模型,然后通过实例进行仿真.结果表明,其预测精度远远超过传统预测方法.可见RS-BPNN模型在房地产价格预测领域具有很强的实用性.     

工资上涨对我国物价和出口品成本的影响分析

近年来我国劳动者报酬增速低于国内增加值(GDP)增速,居民收入水平提高较慢.提高各部门工资水平、增加居民收入、使得居民收入与GDP同步增长成为保证我国经济快速稳定增长的必要措施.2010年我国大部分省市将最低工资标准提高20%以上,作者提出了新的区分加工出口的非竞争型投入产出价格模型,并推导出工资水平提高对我国物价以及出口品成本的影响公式.实际测算结果表明,工资上涨带来的通货膨胀及对出口品成本影响较小,我国应该及时出台相应的政策措施提高各部门工资水平.     

三种生成神经网络拓扑结构的方法在股票、商品价格预测中的应用及结果比较

对比了三种不同神经网络模型的生成方式:传统神经网络生成模型,遗传算法训练神经网络模型,以及在第二种方式训练参数的基础上,再使用传统神经网络优化生成模型.论文使用上述三种方法对代表性股票和商品价格进行拟合并预测,通过预测结果准确性和稳定性的比较发现:引入遗传算法后的神经网络在样本内的拟合误差有所降低,而第三种方法在样本外有最低的预测误差和最优稳定性.